Data Mining Techniques for Rainfall Regionalization in Parana State

Autores/as

  • Jonathan Richetti Visitor Research Scholar - Agricultural and Biological Engineering - University of Florida Aluno de Doutorado em Engenharia Agrícola - Programa de Pós Graduação em Engenharia Agrícola - Universidade Estadual do Oeste do Paraná https://orcid.org/0000-0003-2675-3425
  • Elizabeth Giron Cima
  • Jerry Adriani Johann
  • Miguel Angel Uribe-Opazo

DOI:

https://doi.org/10.48075/actaiguaz.v7i1.17777
Agencias de apoyo

Palabras clave:

algoritmo k-means, cluster, Weka, algoritmo EM

Resumen

The prevalence of agro-meteorological data for specific regions serve as parameters for agricultural and related climate studies. This study aims to regionalize the rainfall in the State of Paraná (Southern Brazil) through data mining techniques with ECMWF (European Centre for Medium Range Weather Forecasts) data from 1989 to 2013. The algorithms k-means and Simple EM (Expectation Maximization) for clustering were applied in Weka software, version 3.6. The quality of the clustering was determined with the J48 classification algorithm applied using training set. The decision tree presents similarity indexes and errors measures to determine the best number of cluster for this case. As results 6 regions of homogeneous rainfall in the state of Paraná were presented.

Biografía del autor/a

Jonathan Richetti, Visitor Research Scholar - Agricultural and Biological Engineering - University of Florida Aluno de Doutorado em Engenharia Agrícola - Programa de Pós Graduação em Engenharia Agrícola - Universidade Estadual do Oeste do Paraná

Possui graduação e mestrado em Engenharia Agrícola pela Universidade Estadual do Oeste do Paraná. Atuou como docente colaborador na área da estatística e geoprocessamento. Atualmente é doutorando na Universidade Estadual do Oeste do Paraná e está na Universidade da Flórida para um estágio de doutorado com bolsa CAPES.

Descargas

Publicado

05-03-2018

Cómo citar

RICHETTI, J.; GIRON CIMA, E.; JOHANN, J. A.; URIBE-OPAZO, M. A. Data Mining Techniques for Rainfall Regionalization in Parana State. Acta Iguazu, [S. l.], v. 7, n. 1, p. 1–8, 2018. DOI: 10.48075/actaiguaz.v7i1.17777. Disponível em: https://e-revista.unioeste.br/index.php/actaiguazu/article/view/17777. Acesso em: 17 jul. 2024.

Número

Vol. 7 Núm. 1 (2018)

Sección

ARTIGOS CIENTÍFICOS

Licencia

Aviso de Direito Autoral Creative Commons

Política para Periódicos de Acesso Livre

Autores que publicam nesta revista concordam com os seguintes termos:

1. Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.

2. Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.

3. Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).

 

Licença Creative Commons

Esta obra está licenciada com uma Licença Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0 Internacional, o que permite compartilhar, copiar, distribuir, exibir, reproduzir, a totalidade ou partes desde que não tenha objetivo comercial e sejam citados os autores e a fonte.